Close Menu
Webmemo Consulting Walter Schärer | Generative AI Beratung
  • Home
  • Social Media
  • Online-Tools
X (Twitter) LinkedIn Facebook RSS
  • Home
  • Kontakt / Über mich
  • Datenschutz
  • Nach oben
Webmemo Consulting Walter Schärer | Generative AI Beratung
LinkedIn YouTube RSS
  • Home
  • Social Media
  • Online-Tools
Webmemo Consulting Walter Schärer | Generative AI Beratung
NavigationHome»Generative AI»Machine Learning bei Google Zürich
Anna Ukhanova Google Machine Learning
Anna Ukhanova, Leiterin Google Research Team Europe
Generative AI

Machine Learning bei Google Zürich

Walter SchärerBy Walter Schärer4. Februar 20232 Kommentare3 Mins Read
Hier teilen
LinkedIn Twitter Facebook Email

Einführung in Machine Learning von Anna Ukhanova, Research Lead bei Google Research Europe, im Rahmen von #MeetAGoogler bei Google Sihlpost in Zürich.

Anna Ukhanova, Leiterin Google Research Team Europe
Anna Ukhanova von Google Zürich

Google betreibt seine Tools mit Machine Learning

  • www.autodraw.com ist Googles Dienst, der Handskizzen erkennt und reinzeichnet
  • Google Translate übersetzt in Echtzeit, was man ins Mikrofon spricht.
  • Google Photos lässt User Fotos suchen basierend auf Emojis oder Suchbegriffen

2016 wurde Googles europäisches Machine Learning Centre eröffnet.

Hier versuchen sie primär, Informationen besser zu verstehen. Machine Learning und Deep Learning sind dafür geeignete Instrumente.

Machine Learning ist die Wissenschaft, Dinge “smart” zu machen. Smart im Sinne von Lösen einzelner, gut abgegrenzter Aufgaben.

Maschinen sollen Muster erkennen. Machine Learning ist eine Unterdisziplin von künstlicher Intelligenz Artificial Intelligence.

Machine Learning lernt anhand von Beispielen und Erfahrung dank grosser Beispieldatenbanken.

Bilderkennung kann beispielsweise identifizieren, ob auf einem Bild ein Hund oder eine Katze abgebildet ist. Nach sehr vielen Versuchen und entsprechenden Lernprozessen.

Anna Ukhanova von Google Schweiz über Deep Neural Networks
Anna Ukhanova über Deep Neural Networks

Per Machine Learning lehrt man Computer nicht mehr, was zu tun ist basierend auf expliziten Regeln, sondern zu lernen, anhand von vielen Beispielen und entsprechenden Mustern.

Machine Learning wird auch in der Google-Suche eingesetzt: 20% der mobilen Suchen erfolgen bereits per Spracheingabe.

Machine Learning hilft, die Suche präziser zu verstehen, in verschiedenen Sprachen, in verschiedenen Aussprachen.

Früher benutzte man satzbasierte Algorithmen. 2016 kamen neuronale Netze hinzu, was die Übersetzungen signifikant verbesserte: Bei Französisch zu Englisch ist man damit praktisch auf menschlichem Niveau. Zwischen Chinesisch und Englisch ist man noch nicht so weit.

Die Handschrifterkennung wird von Usern auf Mobiles ebenso genutzt wie auf Wearables wie Uhren.

Quick, Draw! ist ein Tool, das Zeichnungen spielerisch erkennt. Dabei zeigt es kulturelle Unterschiede in verschiedenen Ländern, z.B. bei Stühlen.

Google Quick Draw!
Google Quick Draw!

Google Lens erkennt Objekte via Smartphone-Kamera.

Auch für die Kühlung von Rechenzentren benutzt Google KI: Die Algorithmen konnten den Energieverbrauch um 40% reduzieren. Dabei waren die Rechenzentren schon vorher recht gut optimiert. Nach bestem Wissen der Engineers.

Machine Learning im Einsatz zur Kühlung von Google Rechenzentren
Machine Learning im Einsatz zur Kühlung von Google Rechenzentren

Google nutzt Machine Learning aber nicht nur für die eigenen Tools, sondern stellt sie jedermann zur Verfügung: TensorFlow ist als Opensource auf Github publiziert und kann für KI-Projekte eingesetzt werden.

Connectera ist ein Startup aus den Niederlanden. Es misst die Gesundheit der Kühe und sendet die Information basierend auf TensorFlow an die Zentrale. Die Bauern können so ihre Farmen effizienter führen.

Connectera - Machine Learning für Bauern
Machine Learning für Farmer

Machine Learning wird auch zum Schutz des Regenwaldes eingesetzt: Mittels Sensoren auf Bäumen werden Daten gemessen, die zum Schutz der Wälder genutzt werden.

Tensorflow Hub ist ein neuer, in Zürich entwickelter Dienst, der die Wiederverwendung von Machine Learning-Modulen erleichtert.

Beim Einsatz von Machine Learning sind 4 Komponenten zentral:

  • Algorithmen
  • Datenzugriff
  • Rechenpower
  • Expertise von Engineers

Mit TensorFlow Hub wird der Zugang zu den relevanten Tools und Prozessen erleichtert.

g.co/machinelearningcrashcourse ist ein Einsteigerkurs für interessierte Nutzer.

Googles Machine Learning Crash-Kurs
Machine Learning Crash-Kurs
Walter Schärer beim Fachsimpeln mit Kevin Kyburz
Walter beim Fachsimpeln mit Kevin Kyburz
Google Vortrag
Share. LinkedIn Twitter Facebook Email
Walter Schärer
  • Website
  • Facebook
  • X (Twitter)
  • LinkedIn

Walter Schärer ist ein Generative AI Marketing Manager und Solutions Architect und bloggt bei webmemo.ch über Trends in künstlicher Intelligenz KI.

Ähnliche Informationen

How to prompt videos in Runway ML or Kling AI

25. Oktober 2024

AI image generation with Flux and the ComfyUI visual user interface

2. Januar 2025

Prüfe den Einsatz von Multi-Agents mit Generativer KI

19. April 2024
View 2 Comments

2 Kommentare

  1. Roland Lüthi on 19. April 2018 13:28

    Habe ich gerade entdeckt, ein neues oder weiteres Google Tool mit AI: https://books.google.com/talktobooks/

    Reply
    • Walter Schärer on 19. April 2018 17:49

      Danke für den Tipp! Das Tool hat mich noch nicht so gut verstanden. Oder ich habe das Falsche gefragt ;-)

      Reply
Leave A Reply Cancel Reply

Über Walter Schärer

Dies ist Walter Schärers Blog über Online-Themen wie Generative AI, Digital Marketing, Search Engine Optimierung (SEO), Content Marketing und Performance Marketing.

Walter Schärer arbeitet seit 1994 als Scrum Product Owner und Online-Manager im Web-Umfeld.

  • Von HTML / VRML kam er via
  • Powerpoint / Word zu
  • Confluence / Jira dann
  • Trello / Whiteboard (Edding 500) und organisiert sich aktuell mit
  • Asana / Google Drive, wenn er nicht gerade mit
  • ChatGPT / MidJourney oder
  • WordPress / Elementor experimentiert.

«Programmierung» begann er mit

  • NoCode von Make und
  • LowCode von ChatGPT, ging über zu tatsächlicher Programmierung in
  • Python auf Anaconda und dann in
  • Google Colab / Gemini / Claude Sonnet sowie
  • Visual Studio Code / GitHub Copilot

Die Inhalte dieses Blogs spiegeln meine persönliche Meinung und sind von keinem Arbeitgeber beeinflusst.

© 2010 - 2025 Webmemo Consulting | Walter Schärer
  • Home
  • Kontakt / Über mich
  • Datenschutz
  • Nach oben

Type above and press Enter to search. Press Esc to cancel.